資源描述：
《一種改進(jìn)搜索策略的人工蜂群算法.pdf》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。
1、第31卷第1O期計算機(jī)仿真2014年l0月文章編號：1006—9348(2014)10—0291—05一種改進(jìn)搜索策略的人工蜂群算法王志剛(南京師范大學(xué)泰州學(xué)院，江蘇泰州225300)摘要：為克服人工蜂群算法原有搜索策略存在探索能力強(qiáng)而開采能力弱的缺點，受差分進(jìn)化算法的啟發(fā)，提出了一種新的搜索策略，在種群最優(yōu)解的附近產(chǎn)生新的候選位置，有助于提高人工蜂群算法的開采能力。同時，為了平衡算法的探索和開采能力，將種群中的個體隨機(jī)分成兩組，每組采用不同的搜索策略同時尋優(yōu)。對6個基準(zhǔn)測試函數(shù)進(jìn)行仿真的結(jié)果表明，改進(jìn)的搜
2、索算法相比基本人工蜂群算法能有效地改善尋優(yōu)性能，增強(qiáng)算法擺脫局部最優(yōu)的能力。關(guān)鍵詞：人工蜂群算法；搜索策略；差分進(jìn)化中圖分類號：TP301．6文獻(xiàn)標(biāo)識碼：AArtificialBeeColonyAlgorithmwithModifiedSearchStrategyWANGZhi——gang(TaizhouCollegeNanjingNormalUniversity，TaizhouJiangsu225300，China)ABSTRACT：Thereisaninsufficiencyinartificialbe
3、ecolonyalgorithmregardingitssearchstrategy，whichisgoodatexplorationbutpooratexploitation．Inspiredbydifferentialevolution，weproposedanewsearchstrategy，whichisbasedonthatthebeesearchesonlyaroundthebestsolutionofthepopulationtoimprovetheexploitation．Inaddi—ti
4、on，inordertobalancetheexplorationandtheexploitationofdifferentsearchstrategy，allindividualswererandom—lydividedintotwopopulations，andtheevolutionsoftwosub—groupsweresimultaneouslyperformedwithdifferentsearchstrategy．Sixbenchmarkfunctionsweretested，andthere
5、sultsdemonstratethatthemodifiedalgorithmcanim-proveoptimizingperformanceeffectively，anditcanavoidgettingstruckatlocaloptimaeffectively．KEYWORDS：Artificialbeecolonyalgorithm；Searchstrategy；Diferentialevolution擇方式來代替ABC算法中跟隨蜂利用輪盤賭選擇方式，降1引言低了算法陷入局部最優(yōu)的可能；文獻(xiàn)[10
6、]受粒子群算法的啟人工蜂群”(ArtificialBeeColony，ABC)算法是發(fā)，給出一個新的搜索算子來加快算法的收斂速度；文獻(xiàn)Karaboga于2005年提出一種基于群體智能的隨機(jī)優(yōu)化算[11]提出一種雙種群差分蜂群算法，將種群中的個體隨機(jī)分法，算法模仿蜜蜂群的覓食行為，蜜蜂根據(jù)各自的分工進(jìn)行成兩組，每組采用不同的優(yōu)化策略同時進(jìn)行尋優(yōu)；文獻(xiàn)[12]不同的活動，實現(xiàn)蜂群信息的共享和交流，從而找到問題的提出一種基于分段搜索策略的ABC算法，優(yōu)化了食物源的最優(yōu)解。算法最初用來解決函數(shù)的優(yōu)化問題，由于其控制
7、參更新方式，簡化了偵察蜂對食物源的選擇方式，提高了搜尋數(shù)少、易于實現(xiàn)、計算簡潔等優(yōu)點，目前已被廣泛運用于很多過程的尋優(yōu)效率；文獻(xiàn)[13]構(gòu)造了一種具有引導(dǎo)趨勢的蜂群實際問題，例如數(shù)字過濾器J、最小生成樹J、機(jī)器人路徑規(guī)算法，并將微調(diào)機(jī)制引入到算法中，改善了算法的搜索性能；劃”等。同其它一些智能優(yōu)化算法一樣，ABC算法也存在著文獻(xiàn)[14]提出了一種適用于求解復(fù)雜函數(shù)優(yōu)化問題的帶共容易出現(xiàn)早熟收斂、容易陷入局部最優(yōu)等缺點，為此，專家學(xué)享因子的人工蜂群算法；文獻(xiàn)[15]提出了一種基于Memetic者們提出了許多的
8、改進(jìn)措施以克服上述不足。文獻(xiàn)[8]將混框架的混沌人工蜂群算法。沌思想引入ABC算法中，利用混沌運動的隨機(jī)性和遍歷性在前人研究和對ABC算法進(jìn)行分析的基礎(chǔ)上，我們認(rèn)等特點提高了算法的全局搜索能力；文獻(xiàn)[9]用bohzmann選為，ABC算法中的搜索策略存在探索能力強(qiáng)而開采能力弱的缺點是導(dǎo)致其容易出現(xiàn)早熟收斂和易陷入局部最優(yōu)的一個重要原因。受差分進(jìn)化算法的啟發(fā)，本文對人工蜂群算基金項目：南京師范大學(xué)泰州學(xué)院資助項目(
